“利用值域为1到7整数的随机数发生器(均匀分布),生成均匀分布的1到10的整数。”

本文探讨使用随机数生成器创建非均匀分布的方法,并通过实验验证了不同变换对概率分布的影响,最终实现了将生成的随机数映射到指定的概率区间。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

设random()是给定的随机数发生器。

1.开始想直接 random() * 10 / 7,不行:这就是个一一映射,结果仍只有7种。
2.原均值为4,设想(random() + random() + random() + random() + random() ) / 4,那会儿已经开始胡思乱想,巫毒编程了尴尬

这种方法结果更差,事实上这种变换得到的甚至不是均匀分布,有点象正态分布了。

3.先扩大,再试图通过除法或模运算来限定到1~10,不知基于什么理论,朴素地感觉不靠谱。

4.打开本《概率论》,翻到《离散随机变量的函数》,哦,变换后要对值相等的结果进行概率合并。

乘以常数是不能扩展值域的,取两个随机变量相乘可以。统计下:

#include <iostream>
#include <iostream>
#include <iomanip>
using namespace std;int prod_cnt[50];
int cnt_cnt[50];int main()
{
  for(int i = 1; i <= 7; ++i){
    for(int j = 1; j <= 7; ++j){
      prod_cnt[i*j] += 1;
    }
  }  int max_cnt = 0;
  for(int i = 0; i < 50; ++i){
    if(prod_cnt[i] > max_cnt){ // 记住出现最多的次数
      max_cnt = prod_cnt[i];
    }
    if(prod_cnt[i] >= 1){
      cout << setw(3) << i << setw(3) << prod_cnt[i] << endl;
    }
  }  for(int i = 0; i < 50; ++i){
    ++cnt_cnt[prod_cnt[i]];
  }
  for(int i = 1; i <= max_cnt; ++i){
    cout << "cnt " << i << " occurs " << setw(3) << cnt_cnt[i] << endl;
  }
}

结果:(第一列是积,第二列是出现的次数,如6出现四次:1*6  6*1 2*3  3*2)

  1  1
  2  2
  3  2
  4  3
  5  2
  6  4
  7  2
  8  2
  9  1
 10  2
 12  4
 14  2
 15  2
 16  1
 18  2
 20  2
 21  2
 24  2
 25  1
 28  2
 30  2
 35  2
 36  1
 42  2
 49  1
cnt 1 occurs   6
cnt 2 occurs  16
cnt 3 occurs   1
cnt 4 occurs   2

需要找到至少10种概率相等(出现次数相等)的积:
出现次数为1、3、4的结果总数都不够,只有次数为2的可用,从中任选10种,替换为1到10即可。测试:

#include <iostream>
#include <iomanip>
using namespace std;

#include "wzRandom64.hpp"

class Rand10
{
  wz::Random64 m_rng;

public:
  long long gen()
  {
    long long x = 0;
    do{
      x = m_rng.genIntBetween(1, 7) * m_rng.genIntBetween(1, 7);
      switch(x){
      case  2: x =  1; break;
      case  3: x =  2; break;
      case  5: x =  3; break;
      case  7: x =  4; break;
      case  8: x =  5; break;
      case 10: x =  6; break;
      case 14: x =  7; break;
      case 15: x =  8; break;
      case 18: x =  9; break;
      case 20: x = 10; break;
      default:
        x = 0; break;
      }
    }while(x == 0);
    return x;
  }
};

int const AVG_CNT = 1000000;
int const RESULT_CNT = 10;
int const TOTAL_CNT = AVG_CNT * RESULT_CNT;
int counter[RESULT_CNT + 1];

int main(int argc, char const * argv[])
{
  Rand10 rng;
  for(int i = 0, x; i < TOTAL_CNT; ++i){
    x = rng.gen();
    ++counter[x];
  }

  for(int i = 1; i <= RESULT_CNT; ++i){
    cout << "[" << setw(2) << i << "] " << setw(10) << counter[i] << setw(12) << setprecision(8) << fixed << (counter[i] - AVG_CNT)*1.0 / AVG_CNT << '\n';
  }
}

其中wz::Random64是个根据Mersenne Twister 64位版 改写的伪随机数发生器。

在Python中,可以使用`numpy`库中的`np.random.normal`函数来生成符合正态分布的随机数。正态分布通常由两个参数决定:均值(mean)和标准差(standard deviation)。在这个场景中,如果我们想要生成1到5之间的正整数,并且这些数服从某个特定的正态分布,我们可以先生成连续的正态分布随机数,然后将这些连续值映射到整数区间上。 不过,需要注意的是,正态分布是一种连续分布,其值域为负无穷大到正无穷大,因此我们不能直接生成1到5之间的正态分布随机数”,而应该先生成一个均值和标准差适中的正态分布,然后取其值域中大约1到5之间的部分。这样做会有一定的裁剪和失真,因为连续分布的值域无限,而我们只取了一小段区域。 下面是一个模拟的Python代码示例,其中均值设为3,标准差设为1,我们尝试从这个分布中抽取值,并将它们映射到整数1到5上: ```python import numpy as np # 设定均值和标准差 mean = 3 std_dev = 1 # 生成一定数量的正态分布连续值 normal_values = np.random.normal(mean, std_dev, 10000) # 将连续值映射到整数1到5上 discrete_values = np.clip(np.round(normal_values), 1, 5) # 输出结果 print(discrete_values) ``` 在这段代码中,`np.random.normal(mean, std_dev, 10000)`生成10000个符合正态分布的连续随机数,`np.clip`函数用于将这些数限制在1到5的范围内,而`np.round`则用于将连续数四舍五入到最接近的整数
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值